TL;DR: 用 Qwen3.5-9B（Q4_K）在單張 16GB AMD GPU 上跑本地 LLM-as-a-Verifier，每次 code comparison 約 0.5–2 秒，cache hit rate 66%，正確程式碼穩定給 1.0 分，有 bug 的給 0.0–0.14 分。16GB 跑 9B 模型綽綽有餘，還有空間跑其他服務。 這篇是實測續篇，前兩篇分別講了 架構設計 和 Docker 封裝 。前兩篇講的是「做什麼」跟「怎麼做」，這篇來量「到底多快」。 1. 測試環境 在一台 homelab Linux（CachyOS）上跑的： 項目 內容 GPU AMD 16GB（15.9 GiB）via ROCm 模型 Qwen3.5-9B（8.95B 參數，Q4_K ~5.7GB GGUF） 後端 llama.cpp（llama-server，ROCm HIP build） Verifier Docker container（llm-verifier），port 8010 模型 VRAM ~10.2 GB（模型本身 + 動態 KV cache） GPU 使用率 78% 系統 RAM 62 GB；使用 27 GB（swap 用了 9.3 GB） Context window 131,072 tokens MIN_SCORE 0.8 後端跑在另一台機器上，走 local Gigabit 網路連線。 2. Verifier 在幹嘛 docker-llm-as-a-verifier 包裝了 LLM-as-a-Verifier 這個研究套件，讀取 token-level log probability 來算連續分數，不是簡單的 yes/no 判斷。 Container 開了 7 個 HTTP endpoint： Endpoint Method 用途 /health GET 健康檢查 /v1/compare POST 兩組答案比對評分 /v1/select POST Best-of-N 選最佳 /v1/track POST Agent 軌跡分數追蹤 /v1/directed POST 導...
使用相機：Mamiya C3 Professional with Mamiya-Sekor 105mm f3.5
使用底片：Konica Centuria PRO 400 過期
沖掃店家：士林正典
上禮拜拍完那最後一卷 120 之後，連忙又再補了二十支，其中有十支是 Konica Pro 400，這也是支停產的底片，效期是到 2006 年 11 月，感覺也是蠻後面的一批了，說真的，現在底片的選擇好少，能找到這種過期的老片我都會想要試一試，還沒拍的時候其實很擔心會不會像之前拿到的 Konica Centuria 100 或 200 的 135 底片一樣，拍出來很慘烈，又紅又紫這樣。
手邊的 120 相機大概都沒有測光表，我也懶得帶測光表，135 相機雖然是 AE 其實也都忘了看機身是測多少，大致上都是肉眼測一測，這支 400 的過期 120 片算一算如果當 100 ~ 200 拍好像還 OK，反正負片嘛，我這種不準確測光的習慣將就將就都還過得去就是了 (認真攝影者請勿如此)，不過說真的，逆光情境我肉眼測還比相機準吧。
而且，比起 Kodak Ektacolor Pro 160，我個人還比較喜歡 Konica 這支。
底片長這樣：
盒子長這樣：
今天在台藝大拍的。
中央北路，忠義站附近的阿勃勒。
蔣經國坐在捷運底下的路邊 (北投站 - 復興崗站之間，豐年路二段)。
雙溪河堤。
其他本卷照片：Mamiya C3 vol.2
留言
張貼留言
回應不用錢，請多多益善！懶得寫字按個讚也是相當感謝！